一种基于连续特征和大模型的时序知识图谱预测方法

本发明具体涉及一种基于连续特征和大模型的时序知识图谱预测方法，方法包括：获取知识图谱数据；构建知识图谱预测模型，知识图谱预测模型包括历史编码模块、连续时间神经网络模块、特征融合模块和训练损失模块；历史编码模块基于知识图谱数据，输出历史实体矩阵、历史关系矩阵以及历史矩阵；连续时间神经网络模块根据历史实体矩阵和历史关系矩阵，获得时间连续实体矩阵、时间连续关系矩阵；特征融合模块基于时间连续实体矩阵和时间连续关系矩阵，生成所有候选实体的概率；训练损失模块计算最终损失，生成最终所有候选实体的概率，以预测时序知识图谱。本发明实现连续时间动态建模与多尺度特征融合，显著提升时序知识图谱预测精度及泛化能力。